第1章 数据分析概述

在数据分析的四个层次中，哪一个层次侧重于解释“为什么会发生？”这一问题？

在数据分析的基本流程中，被公认为最耗时的环节是：

关于 Python 在数据分析中的优势，下列描述错误的是：

零售业中著名的“啤酒-纸尿裤”案例，主要体现了数据分析在哪个领域的应用？

下列关于 Anaconda 的说法，正确的是：

若要在 Jupyter Notebook 的 Markdown 单元格中设置一个“二级标题”，应使用以下哪种格 式？

在 Conda 命令行中，查看当前环境下已安装全部包信息的命令是：

专门针对机器学习开发，内置了支持向量机、随机森林等经典算法的 Python 库是：

下列哪种数据分析层次建立在其他三种之上，且实施和管理最为复杂？

Jupyter Notebook 导出的文件后缀名通常为：

数据分析是指使用适当的统计分析方法对收集的数据进行分析，提炼有用信息并形成结论 的过程。其核心目的在于找出研究对象的____________。

描述性分析主要利用一些核心指标对业务现状做出准确描述，常见的统计运算指标包括均 值、中位数、众数和____________。

预测性分析通常基于历史数据，利用数据挖掘、统计建模或____________算法来预测未来 结果发生的可能性。

数据分析的基本流程通常包括：明确目的和思路、数据收集、数据处理、数据分析和 ____________。

Python 被称为“____________语言”，因为它能够以多种方式与其他语言编写的组件“粘连” 在一起。

Anaconda 是一款全平台工具，支持 Linux、Windows 和 ____________ 操作系统。

在 Conda 管理包的操作中，若想一次性更新当前环境下的所有包，应执行命令 conda update ____________。

NumPy 库提供了一个快速高效的多维数组对象，名为 ____________。

____________ 库是基于 NumPy 建立的，提供了 DataFrame 数据结构，旨在解决高效操 作大型数据集的任务。

____________ 库是 Python 中最基础的 2D 图形库，虽然模仿了 MATLAB 的绘图命令， 但完全独立于 MATLAB。

层级递进： 请简述数据分析四个层次（描述、诊断、预测、规范）之间的逻辑递进关系。

效率工具： 为什么在人工智能和深度学习领域，Python 会成为通用的编程语言？请结合材 料说明。

环境差异： 请对比 Anaconda 与 Miniconda 的主要区别，并说明什么情况下建议选择使用 Miniconda。

数学基础： 在描述性分析中，假设我们有一组样本观测值 $\{x_1, x_2, \dots, x_n\}$。请写 出其样本均值 $\bar{x}$ 和样本方差 $s^2$ 的计算公式，并说明它们在业务描述中的作用。

流程归纳： 简述“数据处理”阶段的主要任务，并解释为什么这个阶段对数据分析的质量至 关重要。

实战应用： 在数据预处理中，经常需要将分类型数据转换为数值型数据。假设你正在使用 Jupyter Notebook 处理一份用户数据，请补全下列 Python 代码，利用 列表推导式 将列表 gender_list 中的字符串转换为数值（要求：'男' 转换为 0，'女' 转换为 1）。 # 原始性别列表 gender_list = [ '男' , '女' , '女' , '男' , '女' ] # TODO: 使用列表推导式完成转换 converted_list = [________________________________________________] # 输出转换后的结果 print(converted_list) # 预期输出: [0, 1, 1, 0, 1]